该文档为基于神经网络的人口预测模型简介文档，是一份很不错的参考资料，具有较高参考价值，感兴趣的可以下载看看………………
标签： 神经网络
上传时间： 2021-11-19
上传用户：
该文档为基于BP神经网络的工作量估算模型讲解文档，是一份很不错的参考资料，具有较高参考价值，感兴趣的可以下载看看………………
标签： bp神经网络
上传时间： 2021-11-20
上传用户：
【RT-Thread作品秀】基于神经网络分类模型（百度API）汽车安全驾驶检测代码
上传时间： 2021-12-13
上传用户：
该文档为基于BP神经网络的预测模型讲解文档，是一份很不错的参考资料，具有较高参考价值，感兴趣的可以下载看看………………
上传时间： 2022-02-02
上传用户：
该文档为神经网络算法及模型讲解文档，是一份很不错的参考资料，具有较高参考价值，感兴趣的可以下载看看………………
上传时间： 2022-02-18
上传用户：slq1234567890
该文档为人工神经网络的模型讲解文档，是一份很不错的参考资料，具有较高参考价值，感兴趣的可以下载看看………………
标签： 人工神经网络
上传时间： 2022-02-20
上传用户：
该文档为神经网络+数学建模模型及算法的简介讲解文档，是一份很不错的参考资料，具有较高参考价值，感兴趣的可以下载看看………………
标签： 神经网络
上传时间： 2022-02-27
上传用户：qdxqdxqdxqdx
无刷直流电机(BLDCM)是随着电机控制技术、电力电子技术和微电子技术的发展而出现的一种新型电机。它是在有刷直流电机的基础上发展起来的。无刷直流电机具有交流电机的结构简单、运行可靠、维护方便等一系列特点，又具有直流电机的运行效率高、无励磁损耗以及调速性能好等诸多优点，在很多场合有广泛的应用前景，成为了国内外研究的热点。无刷直流电机传统的理论部分分析和设计方法已经比较成熟，因此对无刷直流电机控制策略的研究就显得十分重要。 PID控制以其结构简单、可靠性高、易于工程实现等优点至今仍被广泛应用。在系统模型参数变化不大的情况下，PID控制性能优良。但在工业上有许多无法建立精确数学模型的复杂控制对象和非线性控制对象，若采用传统的PID进行控制的话，那么很难获得比较理想的控制效果。 对于无刷直流电机而言，它是一个多变量、强耦合的非线性系统，固定参数的PID调节器无法得到很理想的控制性能指标。基于以上原因，本文以无刷直流电机为控制对象，通过分析无刷直流电机的数学模型，以BP神经网络为基础，设计了应用于无刷直流电机的神经网络PID控制器。 在MATLAB平台上，先利用神经网络PID控制器，给出相应的控制算法，对典型的参数时变非线性系统的控制进行了仿真研究。仿真结果表明，同传统PID控制器相比，神经网络PID控制器对模型、环境具有较好的适应能力与较强的鲁棒性，有效的改善了系统的控制结果，达到了预期的目的。随后利用SIMULNK建立了无刷直流电机控制系统的仿真模型。分别采用普通PID控制器和神经网络PID控制器对电机的不同运行状况进行了仿真分析。仿真结果验证了所建模型的正确性，并证明了神经网络控制的优越性。
上传时间： 2013-08-04
上传用户：YYRR
本文首先简述了交流调速系统的发展和研究重点，介绍了异步电机调速系统的不同控制策略，详细论述了异步电机矢量控制系统的基本原理：异步电机的数学模型和坐标变换、矢量控制的基本方程式、转子磁链的观测方法、矢量控制的系统结构等，并重点分析了空间矢量脉宽调制(SVPWM)技术的基本原理、控制算法以及在TMS320LF2407中的实现方法。 从工程实际应用出发，本文设计和开发了一套以DSP芯片TMS320LF2407为核心的有速度传感器异步电机矢量控制系统，并给出了硬件和软件的实现方法。该系统的功率电路采用电压型的交-直-交变压变频结构，由整流电路、滤波电路及智能功率模块IPM(PM15RSH120)逆变电路构成；控制电路以DSP芯片TMS320LF2407为核心，加上PWM信号发生电路、定子电流检测电路、直流母线电压检测电路、智能功率模块驱动电路、速度检测电路、系统保护电路等，构成了功能齐全的异步电机全数字化矢量控制系统。 在此基础上，本文对无速度传感器异步电机矢量控制系统进行了有益的探索。提出了改进的电压型转子磁链估算模型，消除了电压型转子磁链估算模型中纯积分环节所固有的漂移问题和积累误差对实际系统性能的影响。在传统型参考自适应系统基础上，将系统中原有的自适应调节机构用一个具有在线学习能力的模糊神经网络取代，提出一种基于模糊神经网络的异步电机转速估计方法，并给出了速度估计器的模糊神经网络结构和学习算法。最后对基于模糊神经网络转速估计的异步电机矢量控制系统进行了仿真，结果表明该系统具有良好的性能。
上传时间： 2013-07-02
上传用户：amandacool
开关磁阻电机(SwitchedReluctanceMotor，SRM)具有结构简单、工作可靠、效率高和成本较低等优点，在很多领域都显示出强大的竞争力，但是位置传感器的存在不仅削弱了SRM结构简单的优势，而且降低了系统高速运行的可靠性，增加了成本，探索实用的无位置传感器检测转子位置的方案成为开关磁阻电机驱动系统(SwitchedReluctanceMotorDrive，SRD)研究的热点。SRM高度非线性的电磁特性决定了在精确的数学模型基础上实现无位置传感器控制十分困难，而人工神经网络的出现为解决这个问题提供了新的思路。径向基函数(RadialBasisFunction，RBF)神经网络是一种映射能力极强的前向型神经网络，具有收敛速度快、全局逼近能力强等优点。本文提出一种利用自适应RBF神经网络对SRM进行控制的新方法，所采用的RBF神经网络以电机绕组的相电流、磁链作为输入，转子位置作为输出，通过离线和在线相结合的方法对网络进行训练，建立SRM电流、磁链与转子位置之间的非线性映射，从而实现SRM的无位置传感器控制。 常规的PID控制以其结构简单、可靠性高、易于工程实现等优点至今仍被广泛采用。在系统模型参数变化不大的情况下，PID控制效果良好，但当被控对象具有高度非线性和不确定性时，仅靠PID调节效果不好。对于SRM，它的电磁关系高度非线性，固定参数的PID调节器无法得到很理想的控制性能指标。论文提出了一种基于RBF神经网络在线辨识的SRM单神经元PID自适应控制新方法。该方法针对开关磁阻电机的非线性，利用具有自学习和自适应能力的单神经元来构成开关磁阻电机的单神经元自适应控制器，不但结构简单，而且能适应环境变化，具有较强的鲁棒性。同时构造了一个RBF网络对系统进行在线辨识，建立其在线参考模型，由单神经元控制器完成控制器参数的自学习，从而实现控制器参数的在线调整，能取得更好的控制效果。 仿真及实验结果表明，自适应RBF神经网络能够实现电机的准确换相，从而实现了电机的无位置传感器控制；基于RBF神经网络在线辨识的单神经元自适应控制能够达到在线辨识在线控制的目的，控制精度高，动态特性好，具有较好的自适应性和鲁棒性。
上传时间： 2013-04-24
上传用户：skfreeman
